生成器generator
尽管列表解析可以方便地创建列表，但会占用内存，而且容量有限（受内存影响）。如果列表元素可以按照某种算法推算出来，那我们就可以创建生成器generator，这样就不必创建完整的list。生成的generator可以理解为iterator，用for循环来迭代它。如果推算的算法比较复杂，用类似for循环无法实现，可以用定义函数来实现。根本上来说，迭代器就是一个有nest()方法的对象。条目全部取出后，会引发一个 StopIteration 异常。生成器表达式就好像是惰性的列表解析。
语法：
(expression for iter_val in iterator)
#语法与列表解析一样，只需把`[]`改成`()`。
例如计算文本文件中非空字符总和，如果用列表解析，内存性能会很低，用生成器表达式会很方便实惠：
sum(len(word) for line in date for word in line.split())
另一种创建生成器的方法：定义一个函数，采用yield语句：
aa='def'
def bb():
yield 'a'
yield 'b'
yield 'c'
aa_product_bb=[x+y for x in aa for y in bb()]
# return ['da','db','dc','ea','eb','ec','fa','fb','fc']
这里在列表解析中，两个for循环，有一个是生成器bb(),另一个是可迭代对象。如果两个都是迭代器，就会出问题！具体的原因未知...
利用yield语句定义fibonaci数列：
def fib(max):
n,a,b=0,0,1
while n<max:
yiled b
a,b=,b,a+b
n+=1
return 'done'
函数定义中包含yield关键字，这个函数就不是一个普通的函数，而是一个generator。
迭代器
可以直接用for循环作用的数据类型有：
- 集合数据类型：
list,tuple,dict,set,str. - generator: 生成器及带
yield的generator function.
这些可以直接用for循环作用的对象统称为可迭代对象Iterable。可以用isinstance()判断对象是否为Iterable对象：
isinstance((x for x in range(10)),Iterable) #return True
可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator.
生成器都是Iterator对象，但list,dict,str虽然是Iterable,却不是Iterator,可以利用函数iter()使它们变成Iterator.
Iterator可以表示一个无限大的数据流，且不会占用大内存。for循环本质上不断调用next(0函数实现的。
[廖雪峰网站](http://www.liaoxuefeng.com
